넷플릭스를 보다가 ‘ㅇㅇ님의 취향저격 베스트 콘텐츠’ 추천 항목이나, 유튜브에서 최근 관심있게 보던 주제에 대해 자동으로 추천해주는 ‘맞춤 동영상’ 모음 많이 보셨을 겁니다. 이는 자주 보거나 최근 본 콘텐츠들을 기반으로, 어떤 콘텐츠를 좋아할 것이라고 미리 판단하여 머신러닝이 추천을 해주는 시스템입니다. 우리가 매일 수행하는 것들 중 생각보다 많은 것들이 머신러닝으로 이루어져 있다는 것 아시나요? 딥러닝, 머신러닝, 인공지능은 또 어떤 차이가 있을까요? 인공지능과 함께 일상에서 자주 마주하는 개념이지만 사실은 그게 그것 같고 조금은 알쏭달쏭한 머신러닝, 오늘 모두싸인 [IT용어집]에서는 머신러닝에 대해 알아보도록 하겠습니다.
머신러닝, 무슨 뜻인가요?
개발자나 기획자의 의도에 맞게 입력된 데이터들이 사용자들의 인풋(Input)에 따라 아웃풋(Output)을 내는 것은 단순 로직(logic), 알고리즘입니다. 이렇던 프로그램이 이제는 스스로 계획하거나 배우고, 추론하고, 문제를 해결하고, 인식하고, 스스로를 조작할 수 있는 능력을 가질 수 있게 된 것은 AI 시스템 덕분입니다. 머신러닝은 이러한 AI 시스템에서 사용하는 많은 접근 방식 중 하나랍니다.
머신러닝 알고리즘의 쉬운 예시는 멜론, 지니 등 주문형 음악 스트리밍 서비스입니다. 서비스에서 청취자에게 추천할 새 노래나 아티스트를 결정하기 위해 머신러닝 알고리즘은 청취자의 선호 사항을 음악적 취향이 비슷한 다른 청취자의 정보값을 끌어와 연관시킵니다. A 사용자의 취향이 B 사용자와 평소 겹쳤던 경향이 있으니, B 사용자가 선호하는 다른 곡들이나 아티스트를 A 사용자도 좋아할 것이라는 결론 도출입니다. 끊임없이 학습하며 비교하고, 데이터를 수집할 수 있도록 프로그래밍 되어 있습니다.
- 머신러닝과 딥러닝의 공통점과 차이점
| 머신러닝 | 딥러닝 |
| – 인공지능 기술 중 하나 – 컴퓨터가 학습할 수 있도록 알고리즘과 기술을 개발하여 입력 필요 – 제공된 데이터를 기반으로 컴퓨터가 학습을하고 동작 | – 인공지능 기술 중 하나 – 인공신경망을 이용하여 머신러닝 학습을 수행 – 데이터가 제공되지 않아도 스스로 학습, 예측 |
흔히 사람들은 머신러닝(Machine Learning)과 딥러닝(Deep Learning)의 개념의 구분을 어려워합니다. 하지만 이 둘은 아예 다른 영역으로 구분되는 것이 아니라, 머신러닝이 딥러닝을 포함하고 있는 관계로 보는 것이 정확하답니다.
머신러닝은 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야입니다. 기계에 직접 데이터를 넣기보다, 기계가 학습할 수 있는 교과서와 지침을 만들어주는 개념이라 보시면 됩니다. 기계가 학습할 데이터를 사람이 직접 넣어주기도 하지만 더 나은 예측을 위해 알고리즘도 넣어주게 되고, 이를 통해 기계는 일일이 명시하지 않은 동작도 학습하고 실행하게 됩니다.
딥러닝은 인공신경망을 사용하여 머신러닝 학습을 수행하는 시스템입니다. 사람이 학습할 데이터를 직접 제공하지 않아도 스스로 학습하고 예측합니다. 즉 학습하는 데이터를 수동으로 어느 정도 제공하는 것이 머신러닝이라면, 데이터 자체를 넣지 않아도 스스로 학습하는 것이 딥러닝인 것입니다.
| 머신러닝의 장점 | 머신러닝의 단점 |
| – 충분한 데이터와 적합한 알고리즘을 사용한다면 사람이 만든 모델보다 좋은 결과를 보여줌 – 고도의 수학적 지식이나 프로그래밍 능력을 필요로 하지 않음 – 머신러닝의 학습 및 평가를 자동화할 수 있음 | – 데이터 준비에 많은 노력이 들어감 – 정확도가 높은 모델을 만들기가 어려움 – 과적합 문제가 종종 발생함 |
머신러닝의 장점
① 사람이 만든 모델보다 좋은 결과를 보여줄 수 있다
충분한 데이터와 적합한 알고리즘을 사용한다면 사람이 만든 모델보다 좋은 결과를 보여줄 수 있습니다. 비슷한 다른 데이터들을 비교하여 끌어와 도출하는 것이기 때문에, 사람이 하나씩 데이터를 넣는 것보다 편하고 정확합니다.
② 고도의 수학적 지식이나 프로그래밍 능력을 필요로 하지 않는다
기본적인 지식과 능력으로도 충분히 이용할 수 있는 것이 머신러닝입니다. 그래서 초급 개발자들이 가장 관심을 많이 갖는 영역이기도 합니다.
③ 학습과 평가를 자동화한다
자동화가 가능하다는 것도 장점입니다. 프로그램으로 머신러닝을 학습시키고 최적의 파라미터를 찾아 그 결과에 대한 평가 등을 자동화하여 진행할 수 있습니다.
머신러닝은 어떤 곳에 쓰이나요?
머신러닝은 다양한 분야에 활용되는데, 대표적인 적용 사례들은 아래와 같습니다.
- 이미지 분류 – 제품 생산 시, 사람의 눈을 통해 확인하지 않더라도 자동으로 제품을 분류해 줌
- 시멘틱 분할 – 사람의 뇌를 스캔하여 종양이나 혹이 있는지 진단 작업
- 자연어 처리 – 뉴스, 블로그 등의 게시글을 카테고리에 맞게 분류, 챗봇이나 인공지능 비서
- 텍스트 요약 – 긴 문서를 자동으로 요약하여 요점을 정리
- 회귀 분석 – 현재까지의 데이터를 기반으로 미래의 데이터를 예측
- 데이터 시각화 – 고차원의 복잡하고 다양한 데이터를 수집하여 그래프 등 효율적인 방법으로 표현
- 추천 시스템 – 스트리밍 서비스나 쇼핑몰 등에서 과거 이력, 관심 콘텐츠, 좋아요 등을 분석하여 추천
가령 특정 단어를 필터링하도록 이메일에 적용을 해 두면 [광고], [무료] 등의 단어를 포함한 이메일을 자동으로걸러 스팸 메일함에 들어가도록 할 수 있지만, 여기에 머신러닝이 적용이 된다면 기계 학습을 통하여 따로 단어를 설정해 두지 않더라도 알아서 스팸인지 아닌지 구분할 수 있도록 훈련이 됩니다. 간단히 정리하여 명시적으로 프로그래밍을 하는 것이 아니라, 데이터로부터의 학습을 통해 작업을 수행하는 방법을 컴퓨터에 가르치는 것이 머신러닝 기술이라고 할 수 있습니다. 주요 부문, 직무에서의 머신러닝 사용 사례들을 간단히 알아보겠습니다.
머신러닝 활용 사례 : 주요 부문, 직무
- 제조 : 제조업체 중 공장 센서, 사물인터넷(IoT) 분야에서 머신러닝을 많이 사용합니다. 컴퓨터 시각 및 이상 감지 알고리즘은 제품 생산 품질관리에 활용될 수 있고, 사전 예방 유지보수 및 수요 예측부터 새로운 서비스 제공까지 모든 방면에서 활용이 됩니다. 대표적인 기업으로는 데이터로봇(DataRobot) 이 있는데, 머신러닝 자동화를 통해 PDCA 주기를 가속화하여 제품을 효율적으로 생산, 제조할 수 있도록 돕습니다.
- 재무 : 재무는 돈이 움직이는 것이기 때문에 사람이 판단해야 한다는 오랜 편견이 있었습니다. 하지만 대량의 데이터와 이력 레코드가 제공되는 금융 부문은 사실 머신러닝에 가장 적합한 산업 중 하나입니다. 주식 거래, 대출 승인, 사기 감지, 위험 평가 등도 머신러닝이 해 줍니다. 대표적으로 스플렁크(Splunk) 는 데이터 패턴을 식별하여 매트릭스를 제공하고, 운영을 위한 인텔리전스를 제공하며 데이터 기반으로 재무 분석을 해주는 기업입니다.
- 의료 : 투자한 시간과 관계 없이 연구팀이나 의사들보다도 더 많은 데이터를 처리하고 패턴을 발견하는 것이 머신러닝 의료 알고리즘입니다. IoT 기술로 환자의 건강 상태를 실시간으로 파악하고, 웨어러블 장치나 센서에 머신러닝을 도입하여 의료 산업이 훨씬 빠르게 성장할 수 있게 되었습니다. 카카오벤처스에서 초기 단계부터 투자에 들어간, 딥메트릭스(DeepMetrics)는 머신러닝과 최적화 기술을 바탕으로 의료기기에서 활용할 수 있는 AI 소프트웨어 모델을 개발하는 기업입니다. 대표적으로 맥파(PPG)로부터 동맥혈압(ABP)을 추정해내고, 다시 이를 바탕으로 심장판막 질환을 분류해 내는 기술을 가지고 있습니다.
- 마케팅 및 영업 : 이 분야는 아마존, 넷플릭스, 유튜브가 대표적입니다. 구매자가 좋아할 만한 상품을 추천해주고, 콘텐츠를 추천해주는 웹사이트도 위에서 살펴봤듯 머신러닝을 활용한 사례입니다. 이렇게 데이터를 포착하여 쇼핑 경험을 개인에 맞게 최적화해주는 추세가 산업의 미래로 다가오고 있습니다.
모두싸인 : 계약서, 동의서 등 서명이 필요한 모든 곳에!
머신러닝을 통해 많은 사람들이 인간이 해야만 했던 일에서 자유로워졌습니다. 이를 ‘로봇이 사람 일자리를 모두 뺏는다’고 경계하는 시각도 분명 있습니다. 하지만 오히려 이를 활용하여 사람은 더 정확하고 안락한 서비스를 받을 수 있게 된다는 해석 역시 가능하겠습니다. 온라인과 인공지능의 발달로 앞으로 얼마나 더 많은 영역에서 서비스가 간소화되고 편안해 질지 기대됩니다.
19만 기업 및 기관이 선택한 모두싸인의 전자계약 서비스는 기존의 대면으로 종이를 사이에 두고 이루어지던 계약 업무를, 카카오톡이나 메일로도 쉽고 빠르게 진행할 수 있도록 제공되는 서비스입니다. 사용하던 다양한 형식의 파일, 문서들을 그대로 업로드하여 보관할 수도 있고, 서명할 때 필요한 사인과 도장을 모두싸인에서 바로 만들어 사용할 수도 있습니다. 직접 그리는 것, 문자를 활용하는 것, 실물 도장 업로드까지 모두 가능합니다. 하지만 걱정하지 마세요. 서명을 쉽게 할 수 있다고 하여 본인 인증도 안 된 상태에서 계약이 체결되는 것은 아닙니다. 접근 암호 인증, 휴대폰 본인 인증, 또는 법인 공동인증서 인증을 통해 간단하고 확실하게 본인 여부를 확인한 다음 계약이 진행 됩니다.
다국어, 템플릿 기능, 감사추적인증서 등 계약을 진행하는 과정에서 어려움이 발생하지 않도록 다양하게 지원해주는 모두싸인. 모두싸인은 기업과 고객, 기업과 기업이 만나 거래가 성사되는 중요한 순간을 더 빛나게 만들어 줄 서비스입니다.
